BRIEF是一种特征描述子提取算法，并非特征点的提取算法，一种生成二值化描述子的算法，不提取代价低，匹配只需要使用简单的汉明距离(Hamming Distance)利用比特之间的异或操作就可以完成。因此，时间代价低，空间代价低，效果还挺好是最大的优点。
算法的步骤介绍如下：
1. 图像滤波：原始图像中存在噪声时，会对结果产生影响，所以需要对图像进行滤波，去除部分噪声。
2. 选取点对：以特征点为中心，取S*S的邻域窗口，在窗口内随机选取N组点对，一般N=128,256,512，默认是256，关于如何选取随机点对，提供了五种形式，结果如下图所示：
·x,y方向平均分布采样
·x,y均服从Gauss(0,S^2/25)各向同性采样
·x服从Gauss(0,S^2/25)，y服从Gauss(0,S^2/100)采样
·x,y从网格中随机获取
·x一直在(0,0)，y从网格中随机选取
图中一条线段的两个端点就是一组点对，其中第二种方法的结果比较好。
3. 构建描述符：假设x,y是某个点对的两个端点，p(x),p(y)是两点对应的像素值，则有：
对每一个点对都进行上述的二进制赋值，形成BRIEF的关键点的描述特征向量，该向量一般为 128-512 位的字符串，其中仅包含 1 和 0，如下图所示：
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69996644/viewspace-2784408/ ，如需转载，请注明出处，否则将追究法律责任。
